Tiempo de lectura: 9 minutos
Cada semana aparece un producto nuevo que se llama a sí mismo "agente de IA". Algunos lo son. Muchos son un chatbot con otro nombre, y unos cuantos son un flujo automatizado de toda la vida con un modelo de lenguaje en medio. Si tienes que decidir si comprar, construir o pedir uno, la palabra no te ayuda: te ayuda saber de qué está hecho.
Este artículo es el primero de dos. Aquí va la anatomía: qué piezas tiene un agente, qué sabe en cada momento y con qué actúa. En el segundo irá la dinámica: cómo se orquestan varios, por qué fallan y cómo se llevan a producción sin que se conviertan en un problema. La idea no es agotar cada concepto, sino colocarlo en su sitio y relacionarlo con los demás; para profundizar, cada sección enlaza al artículo o al curso donde se desarrolla.
Qué es un agente de IA y en qué se diferencia de un chatbot
Un chatbot responde a una pregunta y se queda esperando la siguiente. Un turno cada vez, sin memoria de lo que pasó fuera de la conversación y sin capacidad de hacer nada más que escribir.
Un agente persigue un objetivo. Para conseguirlo encadena varios pasos, usa herramientas, observa el resultado de cada una y decide qué hacer a continuación. La diferencia no está en la inteligencia del modelo, sino en que el agente trabaja en vez de contestar.
Lo cuento con el caso que usamos en formación: GymTonic, una cadena de gimnasios, y GymApp, su app de socios. Nuria, la Product Owner, recibe cada mes doscientos comentarios sueltos de los socios. Un chatbot se los resume. Pulso, el agente que construimos en el curso, los lee, los agrupa por tema, cuenta cuántos hay de cada uno, cruza con el horario del socio y redacta cinco oportunidades priorizadas listas para decidir sobre ellas. Cada uno de esos verbos es un paso con una herramienta. Eso es un agente.
Hay un tercer término que conviene separar: el workflow. Es un flujo automatizado con pasos fijos que alguien diseñó de antemano: primero esto, luego aquello, si pasa tal cosa haz tal otra. Puede tener un modelo de lenguaje dentro (para redactar, clasificar, extraer) y seguir siendo un workflow, porque el camino no lo decide el modelo. Es predecible y barato de gobernar, y para muchos casos es justo lo que hace falta.
La distinción práctica: en un workflow, si algo inesperado ocurre, el flujo falla o se salta. En un agente, el modelo lo ve y decide. Esa capacidad de adaptarse es lo que le da valor, y también lo que obliga a gobernarlo: un sistema que decide por sí mismo necesita límites, revisión y una forma de saber qué ha hecho. De eso trata el segundo artículo.
Niveles de autonomía
"Agente" tampoco es una categoría binaria. Entre el chatbot y el sistema que actúa solo hay una escala, y la decisión importante es en qué punto se coloca cada caso:
- Sugiere: el agente prepara un borrador o una recomendación y una persona decide. Pulso propone las cinco oportunidades; Nuria elige.
- Ejecuta con aprobación: el agente hace el trabajo pero pide confirmación antes de cualquier acción con consecuencias (enviar, borrar, pagar, publicar).
- Ejecuta solo: el agente completa la tarea sin intervención y alguien revisa después, por muestreo o por excepción.
No hay un nivel correcto. Hay un nivel adecuado para cada tarea según el coste de equivocarse. Lo que sí es un error es no haberlo decidido.
El motor: un modelo que razona y decide el siguiente paso
Dentro de todo agente hay un modelo de lenguaje (un LLM). Es la pieza que lee la situación, razona sobre ella y decide qué hacer a continuación. No ejecuta nada por sí mismo: produce texto, y ese texto puede ser una respuesta, una decisión o una instrucción para usar una herramienta.
Dos ideas bastan para lo que sigue. La primera: el modelo no recuerda nada entre llamadas. Cada vez que se le invoca, ve solo lo que se le pasa en ese momento. La segunda: el modelo no sabe cuándo se equivoca. Produce la continuación más plausible de lo que tiene delante, y si lo que tiene delante es incompleto o ambiguo, la respuesta será igual de segura y menos fiable.
De ahí que las otras dos piezas importen tanto. Un motor excelente con mala memoria y sin manos es un chatbot caro. Si quieres entender bien qué hace y qué no hace un modelo de lenguaje, el curso gratuito Fundamentos de IA en la práctica lo cubre en dos horas con ejercicios.
La memoria: qué sabe el agente en cada momento
Aquí está el concepto que más malentendidos genera y el que más diferencia marca en la práctica.
La ventana de contexto
La ventana de contexto es todo lo que el modelo "ve" en una llamada: las instrucciones, la información que se le ha pasado, la conversación hasta ese punto y los resultados de las herramientas que ha usado. Es la memoria de trabajo del agente. Y es finita: tiene un tamaño máximo, y lo que no cabe, el modelo no lo sabe.
Esto tiene dos consecuencias que conviene interiorizar. Todo lo que metes en la ventana compite por el mismo espacio: instrucciones largas dejan menos sitio para datos, y una conversación que se alarga acaba empujando fuera lo que se dijo al principio. Y como el modelo no recuerda nada entre llamadas, la ventana se reconstruye cada vez. Lo que el agente "sabe" es, literalmente, lo que alguien ha decidido meter ahí.
RAG: traer de fuera solo lo que hace falta
Si la ventana es finita y tu empresa tiene diez mil documentos, no puedes meterlos todos. RAG (retrieval-augmented generation, generación aumentada por recuperación) es la técnica para resolverlo: antes de llamar al modelo, se busca en esos documentos el trozo relevante para la pregunta y se mete solo ese trozo en la ventana.
Conviene decirlo claro porque se vende al revés: RAG no amplía la memoria del modelo ni le "enseña" nada. Es un buscador que trabaja antes de cada llamada y decide qué merece entrar en la ventana. Su calidad depende de lo bien que busque, no del modelo. Un RAG que trae el documento equivocado produce una respuesta segura y falsa.
Memoria a corto y a largo plazo
La ventana de contexto es la memoria a corto plazo: dura lo que dura la tarea. Cuando el agente termina, desaparece.
La memoria a largo plazo es lo que persiste entre sesiones: preferencias, decisiones anteriores, lo que aprendió la última vez. No vive en el modelo; vive fuera, en una base de datos o en ficheros, y alguien tiene que decidir qué se guarda, cuándo se recupera y cuándo caduca. Un agente "que aprende de ti" es un agente con memoria a largo plazo bien diseñada, no un modelo distinto.
La ficha de contexto
Entre las dos hay una pieza que casi nadie monta y que cambia más el resultado que cualquier prompt: la ficha de contexto. Es el documento estable con lo que el agente necesita saber siempre y que no debería tener que repetirse: quién es, para quién trabaja, qué reglas sigue, qué vocabulario usa la organización, qué no debe hacer nunca. Se carga en cada llamada, al principio de la ventana.
Para Pulso, la ficha dice qué es GymTonic, qué es un socio, qué significa "oportunidad priorizada" y qué datos personales no puede sacar del Excel. Sin esa ficha, cada ejecución empieza de cero y el resultado depende del humor del prompt de ese día.
Esto es lo que se llama ingeniería de contexto, y merece artículo propio: por qué ya no basta con saber preguntarle a la IA. Si quieres empezar con una plantilla, la guía de ingeniería de contexto es gratuita.
Las manos: herramientas y conexión con el mundo
Un modelo que solo produce texto no puede leer tu CRM ni enviar un correo. Las herramientas son lo que le da manos: funciones que el agente puede invocar (buscar en una base de datos, leer un fichero, llamar a una API, ejecutar un cálculo) y cuyo resultado vuelve a la ventana de contexto para que decida el siguiente paso.
Qué hace buena a una herramienta
El modelo elige qué herramienta usar leyendo su descripción. Una herramienta bien diseñada tiene un nombre que dice lo que hace, una descripción que dice cuándo usarla y cuándo no, y parámetros claros. Una mal diseñada (ambigua, demasiado amplia, con nombre críptico) hace que el agente la use mal o no la use. Buena parte de la calidad de un agente se decide aquí, no en el modelo.
Leer no es lo mismo que actuar
Hay una distinción que ordena todo el diseño de permisos: leer (consultar el calendario, buscar un documento, listar pedidos) y actuar (enviar, borrar, pagar, publicar, modificar). El riesgo de que el agente se equivoque leyendo es una respuesta mala. El riesgo de que se equivoque actuando es un correo enviado, un dato borrado o un pago hecho.
Por eso las herramientas de lectura pueden darse con libertad y las de acción se dan una a una, con el nivel de autonomía decidido para cada una. Pulso lee el Excel de comentarios sin pedir permiso; para escribir en el backlog de Nuria, pide confirmación.
MCP: el USB-C de las herramientas
Hasta hace poco cada herramienta se conectaba a cada agente de forma artesanal. MCP (Model Context Protocol) es un estándar abierto para que un agente descubra y use herramientas externas de forma uniforme: la herramienta se publica una vez, y cualquier agente compatible la puede usar.
La analogía que uso en el curso es la del USB-C: antes cada dispositivo tenía su cable; ahora hay un conector común y lo que enchufas funciona. Para quien decide, la consecuencia práctica es que las herramientas de la empresa (el CRM, el ERP, la base de conocimiento) se pueden exponer una vez y reutilizar en varios agentes, en vez de integrarlas de nuevo para cada proyecto.
Cómo se junta todo: el bucle del agente
Con las tres piezas en su sitio, el agente funciona en un bucle:
1. Percibe: recibe el objetivo y lo que hay en su ventana de contexto (ficha, datos recuperados, historial). 2. Decide: el motor razona y elige el siguiente paso, que puede ser responder, pensar más o usar una herramienta. 3. Actúa: invoca la herramienta. 4. Observa: el resultado vuelve a la ventana, y el bucle empieza de nuevo con más información.
Se repite hasta que el objetivo se cumple, hasta que el agente decide que no puede, o hasta que se agota un límite de pasos que alguien puso. Ese último "alguien" es importante: un bucle sin límite es un agente que puede girar indefinidamente gastando dinero.
Este bucle es lo que distingue al agente del chatbot (que no tiene bucle) y del workflow (cuyo bucle está fijado de antemano). Y es también donde aparecen los problemas de la segunda parte: qué pasa cuando el bucle se equivoca, cómo se coordina con otros bucles, cómo se mide si funciona.
Qué preguntar cuando te presenten un agente
Con este mapa, las preguntas que separan un agente real de uno de nombre son concretas:
| Pieza | Pregunta | Lo que revela |
|---|---|---|
| Bucle | ¿Qué decide el sistema por sí mismo y qué está fijado de antemano? | Si es un agente o un workflow con un modelo dentro. |
| Autonomía | ¿En qué acciones pide confirmación y en cuáles no? | Si alguien ha decidido el nivel de autonomía, o se ha dejado al azar. |
| Contexto | ¿Qué entra en la ventana en cada llamada, y quién lo decidió? | Si hay ficha de contexto o cada ejecución empieza de cero. |
| RAG | ¿Sobre qué documentos busca, y cómo sabemos que trae el correcto? | Si la calidad de las respuestas depende del buscador y nadie lo mide. |
| Memoria | ¿Qué recuerda entre sesiones, dónde se guarda y cuándo caduca? | Si "aprende" de verdad o solo lo parece. |
| Herramientas | ¿Cuáles puede usar, cuáles solo leen y cuáles actúan? | El riesgo real del sistema. |
| Conexión | ¿Se integran las herramientas una vez (MCP) o a medida para cada proyecto? | El coste de mantenerlo y de añadir el siguiente agente. |
Si quien lo presenta no sabe responder a la tercera o a la sexta, lo que tiene delante no está listo para producción, por buena que sea la demo.
Preguntas frecuentes
¿Qué diferencia hay entre un agente de IA y un chatbot? Un chatbot responde a un turno y espera el siguiente; no tiene objetivo ni herramientas. Un agente persigue un objetivo encadenando pasos: usa herramientas, observa el resultado y decide qué hacer a continuación. La diferencia está en el bucle, no en el modelo.
¿Qué es la ventana de contexto de un modelo de lenguaje? Es todo lo que el modelo ve en una llamada: instrucciones, datos, conversación y resultados de herramientas. Es finita y se reconstruye en cada llamada, porque el modelo no recuerda nada entre una y otra. Lo que no cabe en ella, el modelo no lo sabe.
¿Qué es RAG y para qué sirve? RAG (generación aumentada por recuperación) busca, antes de cada llamada, el fragmento relevante entre muchos documentos y lo mete en la ventana de contexto. No amplía la memoria del modelo ni le enseña nada: es un buscador que decide qué entra. Su calidad depende de lo bien que busque.
¿Qué es MCP (Model Context Protocol)? Un estándar abierto para que un agente descubra y use herramientas externas de forma uniforme. La herramienta se publica una vez y cualquier agente compatible la usa, como un conector USB-C. Para la empresa significa integrar el CRM o la base de conocimiento una vez y reutilizarla en varios agentes.
¿Qué es un workflow de IA y en qué se diferencia de un agente? Un workflow sigue pasos fijos diseñados de antemano, aunque use un modelo de lenguaje en alguno de ellos; el camino no lo decide el modelo. Un agente decide el siguiente paso según lo que observa. El workflow es más predecible y fácil de gobernar; el agente se adapta, y por eso necesita límites.
¿Un agente de IA aprende con el uso? Solo si tiene memoria a largo plazo diseñada para ello: algo externo al modelo donde se guardan preferencias o decisiones y de donde se recuperan en la siguiente sesión. El modelo en sí no cambia con el uso.
Si con este mapa quieres decidir si un caso concreto merece un agente, en ¿Cuándo un agente de IA aporta valor de verdad? hay un árbol de decisión; y si prefieres verlo por dentro construyendo uno, tu primer agente sin programar recorre Pulso paso a paso.
Recursos relacionados
- Ingeniería de contexto: por qué ya no basta con saber preguntarle a la IA
- ¿Cuándo un agente de IA aporta valor de verdad (y cuándo es humo)?
- Construye tu primer agente de IA sin programar (Claude Code + n8n)
- 10 tareas que un agente de IA puede automatizar hoy en tu equipo de producto
- La última milla de la IA: que la adopción tire de la innovación
- Guía de ingeniería de contexto + plantilla — gratis